Académique Documents
Professionnel Documents
Culture Documents
BENAISSA Mounir
1.INTRODUCTION
2. MESURES DE PERFERMANCE
3. PROCESSUS DE POISSON
4. DISTRIBUTION EXPONENTIELLE
5. NOTATION DE KENDALL
6. PROCESSUS DE NAISSANCE ET DE MORT: CAS GENERAL
7. PROCESSUS DE NAISSANCE ET DE MORT: CAS PARTICULIERS
1. MODELES DE FILES D’ATTENTE:
INTRODUCTION
Arrivées Départs
Clients Clients
1. Exemple d’un système
de files d’attente
Agence bancaire
Ici, les serveurs sont les guichets de l'agence. Typiquement,
tous les guichets offrent le même service, et chaque client
ne devra donc visiter qu'un seul guichet.
Atelier de production
Les ‘clients’ sont les ordres de fabrication à exécuter, et les
'serveurs' sont les machines nécessaires à l'exécution de
chaque ordre de fabrication.
Parking
Les 'clients' sont les véhicules qui cherchent à stationner.
Les 'serveurs' sont les emplacements de parking, et la
'durée de service' est la durée pendant laquelle chaque
véhicule reste stationné.
1.Les différents Types d’un système
de files d’attente
Arrivées Départs
1.Caractéristiques d’un système
de files d’attente
1.INTRODUCTION
2. MESURES DE PERFERMANCE
3. PROCESSUS DE POISSON
4. DISTRIBUTION EXPONENTIELLE
5. NOTATION DE KENDALL
6. PROCESSUS DE NAISSANCE ET DE MORT: CAS GENERAL
7. PROCESSUS DE NAISSANCE ET DE MORT: CAS PARTICULIERS
2. Mesures de performance -
Comportement à long terme
Nous appelons état d'un système à l'instant t le nombre n(t) de clients présents
dans le système à cet instant (un client est « présent dans le système » si il est
en file d’attente ou en cours de service).
∑p
n =0
n =1
2. Mesures de performance -
Comportement à long terme
1.INTRODUCTION
2. MESURES DE PERFERMANCE
3. PROCESSUS DE POISSON
4. DISTRIBUTION EXPONENTIELLE
5. NOTATION DE KENDALL
6. PROCESSUS DE NAISSANCE ET DE MORT: CAS GENERAL
7. PROCESSUS DE NAISSANCE ET DE MORT: CAS PARTICULIERS
3. PROCESSUS DE POISSON
(iii) N(0) = 0.
3. PROCESSUS DE POISSON
E[ N (t )] = λte − λt e λt = λt
Chapitre 1: MODELES DE FILES
D’ATTENTE
1.INTRODUCTION
2. MESURES DE PERFERMANCE
3. PROCESSUS DE POISSON
4. DISTRIBUTION EXPONENTIELLE
5. NOTATION DE KENDALL
6. PROCESSUS DE NAISSANCE ET DE MORT: CAS GENERAL
7. PROCESSUS DE NAISSANCE ET DE MORT: CAS PARTICULIERS
4. DISTRIBUTION EXPONENTIELLE
il existe deux façons de décrire le processus selon lequel les
arrivées de clients surviennent dans un système: on peut en effet
vouloir placer l’accent sur:
• le nombre de clients qui arrivent dans un intervalle de
temps donné (par exemple, 10 clients par heure), ou sur
• l’intervalle de temps écoulé entre deux arrivées successives
(par exemple, une arrivée toutes les 6 minutes).
Dans l'hypothèse où le processus d'arrivée considéré est
poissonnien, on peut aisément passer d’un type de description à
l’autre. En effet, supposons qu'une arrivée d’un processus
poissonnien se produise à l'époque a, et indiquons par X le temps
écoulé jusqu’à l'arrivée suivante. Calculons la loi de probabilité
qui régit l'intervalle de temps écoulé entre ces deux arrivées
successives.
4. DISTRIBUTION EXPONENTIELLE
Pour tout t ≥ 0, on à:
Pr[ X > t ] = probabilité qu’aucune arrivée ne soit enregistrée entre a et a+t
= Pr[ N (a + t ) − N (a ) = 0] = e − λt
Par définition, on dit que la variable aléatoire X suit une distribution
exponentielle de paramètre λ.
1.INTRODUCTION
2. MESURES DE PERFERMANCE
3. PROCESSUS DE POISSON
4. DISTRIBUTION EXPONENTIELLE
5. NOTATION DE KENDALL
6. PROCESSUS DE NAISSANCE ET DE MORT: CAS GENERAL
7. PROCESSUS DE NAISSANCE ET DE MORT: CAS PARTICULIERS
5. NOTATION DE KENDALL
1.INTRODUCTION
2. MESURES DE PERFERMANCE
3. PROCESSUS DE POISSON
4. DISTRIBUTION EXPONENTIELLE
5. NOTATION DE KENDALL
6. PROCESSUS DE NAISSANCE ET DE MORT: CAS GENERAL
7. PROCESSUS DE NAISSANCE ET DE MORT: CAS PARTICULIERS
6. PROCESSUS DE NAISSANCE ET DE MORT :LE
CAS GENERAL
= e (n=0,1,2,…..)
n!
6.2 Processus de mort pur
Dans un processus de mort pur, l’ensemble des états possibles du système
est {0,1,...,N} et
λn =0 pour n = 0, 1, ..., N
µ ={n
0 si n = 0
µ si n=1,2…N
l'état initial d’un tel système vaut N, il n'y a pas d'arrivées et les départs se
produisent à taux (moyen) constant jusqu'à ce que le système soit vide. En
interprétant les départs comme des « arrivées à l'extérieur du système », on
conclut facilement que:
Pn(t) = probabilité que N-n départs se produisent dans l'intervalle [0, t)
( µt ) N − n
e − µt
=
( N − n)! (n = 0, 1, ..., N)
Lorsque µ n > 0 pour n = 1, 2, ... (ce qui est par exemple le cas pour
tout système M/M/c/N avec µ > 0), les équations d'équilibres
peuvent être facilement résolues en terme de p0. En effet, on
obtient successivement: p = λ0 p
1
µ1 0
λ λλ
p2 = 1 p1 = 0 1 p0
µ2 µ1µ 2
et, plus généralement:
λ0 λ1....λn −1
pn = p0 Pour n=1,2….. (11)
µ1µ 2 ....µ n
Chapitre 1: MODELES DE FILES
D’ATTENTE
1.INTRODUCTION
2. MESURES DE PERFERMANCE
3. PROCESSUS DE POISSON
4. DISTRIBUTION EXPONENTIELLE
5. NOTATION DE KENDALL
6. PROCESSUS DE NAISSANCE ET DE MORT: CAS GENERAL
7. PROCESSUS DE NAISSANCE ET DE MORT: CAS PARTICULIERS
7. 1 Processus de naissance pur
(12)
(13)
7.3 Système M/M/1
(5)
7.3 Système M/M/1
7.4 Système M/M/c
7.4 Système M/M/c
(14)
(15)
Exemple 3
Ahmed juge que ces 30 minutes passées (en moyenne) par chaque
client dans le système sont inacceptablement longues et envisage
différentes façons de remédier au problème.
Option a: Ahmed pourrait engager un second employé de qualifications
similaires à celles de l'employé actuel et laisser chaque client s'adresser
au premier employé disponible.
Option b: Dans cette variante de l'option a, l'employé actuel (qui se
trouve être un Géant) se limiterait à servir les clients Géants et Julien
engagerait un Nain pour servir les clients Nains. Cette option paraît
raisonnable dans la mesure où la clientèle de l'agence compte 50% de
Géants et 50% de Nains, et où les clients pourraient y voir une
personnalisation du service offert.
Option c: Ahmed envisage également la possibilité de licencier son
employé et de le remplacer par un employé plus qualifié, deux fois plus
rapide que l’employé actuel.
Comparons les trois options considérées sur base du temps
moyen passé par les clients dans l'agence.
FIN CHAPITRE 1
Chapitre 2
Planification de la production
Le Plan du cours….
2
P1: Introduction
P1: Introduction
Équipements
Main-d’œuvre Espaces d’entreposage
Le nombre d’employés
La convention de travail (pour les embauches,
mises à pied, salaires, etc.)
Le coût du temps supplémentaire
Le coût de la sous-traitance
Les capacités de production des différents types
d’équipements
Les coûts de maintien en inventaire et les coûts de
pénurie
Les temps de mise en course
Tenir compte de la demande prévue
Les prévisions
Les commandes
Les urgences
LES ÉTAPES DE LA PLANIFIACTION DES OPÉRATIONS
10
Quel produit
Est-ce que et en quelle
nous devons Est-ce que nous quantité? Dans quel
ajouter de la devons Quand et ordre et sur
capacité ou embaucher ? combien quelle machine
adopter une Planifier de la commander traiter mes
nouvelle sous-traitance ? de matières commandes ?
technologie ? premières ?
Horizon de la Planification
LES ÉTAPES DE LA PLANIFIACTION DES OPÉRATIONS
11
Plan Stratégique
FAMILLES Prévisions
commerciales
-Commerciales
Plan Industriel et Commercial
-Technologiques
-------------
Objectif de stock : --------------
--------------
Plan Industriel et Commercial (PIC)
16
Le document du PIC comporte trois tableaux : Ventes, Production et Stocks.
Échéancier du PIC
Famille : A Unité : K€ Date : 2 Avril
Ordres de fabrication :
– ordres fermes
– ordres suggérés
DAV (en début de sem.)
Plan Directeur de Production (PDP)
22
Ordres de fabrication :
– ordres fermes
– ordres suggérés
DAV (en début de sem.)
LES OF DOIVENT ETRE PAR LOT DE 100 SOUS 2 SEMAINES
Plan Directeur de Production (PDP)
23
Ordres de fabrication :
100 100 100
– ordres fermes
– ordres suggérés
DAV (en début de sem.)
Plan Directeur de Production (PDP)
24
Ordres de fabrication :
100 100 100
– ordres fermes
– ordres suggérés
DAV (en début de sem.) 40 60 100
Planification des Besoins-Matières
Material Requirements Planning (MRP)
LES DIFFERENTS BESOINS (rappel)
CLIENT CONSTRUCTEUR
27
LE Calcul des Besoins Nets
28
Niveau 0 = produit fini
Besoins bruts Besoins bruts = Prévisions de
Niveau N ventes
et/ou en-commande
Affectation des stocks
et des en-cours
Eclatement
selon nomenclature
Besoins bruts
Niveau N+1
Affectation des stocks
et des en-cours N+1
Ordre de fabrication /
Besoins nets d’achats
Niveau N+1 Niveau N+1
Eclatement
selon nomenclature N+1
MRP-OBJECTIF
29
Signification de
cette nomenclature:
Niveau 0 X
Pour chaque x3 x2
produit X, il faut 3 Niveau 1
articles Y et 2
articles Z. Y Z
Pour chaque article Niveau 2 x2 x1
Z, il faut 2 articles W Y
W et 1 article Y.
Élaboration d’un MRP : La nomenclature
34
Produit fini
Traverses
Pieds avant
Barreau
Siège
Barreau
Pieds
arrières
TABLEAU MRP
Rp Ni Cm
Période
BB
AD
BN
OP
MRP-LEGENDES
BB : Besoin Brut ;
AD : Article Disponible ;
BN : Besoin Net ;
OP : Ordre Prévisionnel;
Rp : Repère de l'article ;
Ni : niveau de nomenclature;
Cm : Coefficient de montage avec indication de l'article
générateur du besoin;
D : Délai d'obtention de l'article;
Les TABLEAUX MRP COMPRENNENT
37
Besoin Brut: Demande
Articles Disponibles: Quantité
disponible en stock
Besoins Nets: Demande ajustée en
fonction de stocks
Ordre Prévisionnels: On doit décider à
quel moment et en quelle quantité on
doit lancer les commandes d’achat ou
de fabrication de chacun des articles.
MRP: METHODOLOGIE
38
A(1)
X1 X3
B(2) C(1)
X2 X1 X2 X1
Lot économique :
- On commande ou fabrique moins souvent, mais
de plus grandes quantités.
- Permet d’équilibrer les coûts de stockage et de
commande.
Le Plan du chapitre….
42
P1: introduction
48
Prévisions
MRP
OA OF
Poste Poste Poste
FOURNISSEUR 1 2 3 CLIENT
PILOTAGE PAR LA
DEMANDE FABRICATION FLUX TIRE
49
REDUCTION
FLUX TENDU DES DELAIS DE CHASSE AUX
FABRICATION GASPILLAGE
SYNCHRONISATION DE LA
PRODUCTION AVEC LE MARCHE
POUR LE
POUR LE CLIENT
PROCESSUS
Fabriquer les
C’est organiser la
produits dont il a
production de telle
besoin (QUOI),
PRODUCTION EN JUSTE A manière que le client
quand il a besoin
TEMPS n’est pas besoin
(QUAND), dans les
d’attendre et que, pour
quantités exactes
le satisfaire, nous
demandées
n’ayons pas besoin de
(COMBIEN)
stocks
Flux tendus (JAT): METHODES
50
LA METHODE KANBAN
KANBAN
52
Le Kanban est une fiche ou une carte qui
accompagne chaque lot de pièces. C’est un
système de contrôle de fabrication. Il s’agit à la
fois d’une indication de fabrication et d’un ordre de
transport.
Ce simple morceau de papier (ou sous autre
forme) est un important instrument de la
productivité d’une entreprise telle que Toyota.
• Informations complémentaires :
– désignation de l’article fabriqué,
– nombre de containers du lot traité,
– emplacement sur le lieu de stockage du poste aval,
– trajet complet de l’article dans l’unité de production,
–position de l’index vert lors du lancement,
– position de l’index rouge lors du lancement,
– code à barre de l’article.
PRINCIPE DE FONCTIONNEMENT
Je fabrique un conteneur,
j’y attache une carte 54
FLUX PHYSIQUE
Containers avec Kanban
FOURNISSEUR CLIENT
A B C
A B C
FLUX D’INFORMATION
A B C Etiquette Kanban
LE Tableau d’Ordonnancement de la Production
55
Nombre minimum de
B
Kanbans
B Index Rouge: Le Lancement devient
obligatoire la pile atteint l’index rouge car
B
on risque une rupture d’approvisionnement
B C au poste aval.
A B C Lot mini de fabrication
A B C
Index Vert: Le lancement est interdit
A B C
lorsque la pile de kanbans rangés sur le
Produit Produit Produit planning n’atteint pas l’index vert.
A B C
NOMBRE DE CARTE KANBAN
56
Nombre de Carte Kanban (K) – Production:
K = D (TA+ TB ) * ( 1 + SS ) / Q
OÙ :
D = Demande journalière moyenne durant le mois pour la pièce, déterminée
par horaire uniforme;
TB = Temps de production, incluant mise en course pour un contenant de
pièce, en jour de travail;
TA = Temps d’attente au centre de travail pour la carte d’aller et retour,
temps de transport, temps d’attente et temps de transfert, en jour de travail;
SS = Stock sécurité, pas plus de 10% de la demande journalière exprimée en
nombre de contenant ou, si le niveau de service demandé est de x % donc,
SS = ((1 / x) - 1 );
Q = Quantité d’unités dans un contenant, pas plus que 10% de la demande
journalière.
EXEMPLE 1 – NOMBRE DE KANBAN
A B C
X1 X1 X2
X2
C F D
C
A B C
X1 X1 X2
X2
C F D
C
20 A/Jour
M3
140 D/Jour 40 C/Jour Produit A
M1 M2
Produit D Produit C
30 B/Jour
30 C/Jour M4
Produit B
flux de production F
30 F/Jour
Le Plan du chapitre….
61
P1: Introduction
63
- GOLDRATT (Le but - 1979)
64
COMMENT DETECTER UN GOULET ?
E5 E1 E3 E4
E6 P1 E2 P2 P3 E6 P4
E7 E4 E6 E7
S S
RETARD A L’HEURE A L’HEURE RETARD
65
REGLE N°1 Equilibrer les flux et non les capacités
66
REGLE N°2 Le niveau d’utilisation d’un non goulet n’est
pas déterminé par son propre potentiel mais
par d’autres contraintes du système
Poste A Poste B
Capacité Capacité
Matière 100 p/h 120 p/h Pièces
première Production Production finies
100 p/h ?100 p/h
PRODUCTION
LIMITEE
67
REGLE N°3
Utilisation et plein emploi d’une ressource ne
doivent pas être synonymes
PRODUCTION
LIMITEE
68
REGLE N°4 Une heure perdue sur un goulet est une
heure perdue pour tout le système
20 12 10
0 80 0 20 0
RUPTURE
D’APPROVISIONNEMENT
PRODUCTION LIMITEE
Si il y a une rupture dans l’approvisionnement de la ressource goulet, que ce
passe-t-il ?
69
REGLE N°5 Une heure gagnée sur un non goulet n’est
qu’un leurre
680 840 20
140
SMED SUR
POSTE B
SUR UNE JOURNEE DE 8H DE TRAVAIL :
1. Combien produit-on de pièces sans changer les paramètres d’origine ?
Capacité
A
STOCKS
120
p/h
STOCKS B
120
p/h
C
STOCKS
80 p/h
80 p/h
PRODUCTION
LIMITEE
71
Souvent le lot de transfert ne doit pas être
REGLE N°7 égal au lot de production
73
74
FIN CHAPITRE 2
Chapitre 3
Ordonnancement de la
production
Le Plan du chapitre….
2
P1: Introduction
Planification
Contrôle
Exécution
Lancement
Les étapes de l’ordonnancement
TOC: par ordre du Temps RC: ayant le Ratio Critique le plus faible (le
d’Opération (le plus Court en nombre de jours jusqu’à la date d’exigibilité
premier) divisé par le nombre de jours de traitement)
MTO: nécessitant le Moins de
Temps d’Opération pour être
terminée.
DLR : par ordre de Livraison; la FDAC: dont la File D’Attente pour
Date la plus Rapprochée en l’opération est la plus Courte
premier ( Date de Livraison
Minimale : DLM)
MLM: Marge Libre Minimale COTE: dont le ratio suivant est le plus élevé
(nombre de jours jusqu’à la date pour une opération donnée: le COût du
d’exigibilité moins le temps délai divisé par le TEmps requis
opératoire d’une commande)
2. Ordonnancement des
projets
La production par Projet
13
Dans le cas de la production par projet, le produit est unique. Des exemples en
sont l’organisation des Jeux Olympiques ou la construction d’un barrage. Le
processus de production y est unique et ne se renouvelle pas.
La quantité produite est faible, souvent unitaire.
Le délai de fabrication est généralement impératif et son non respect peut
entraîner des pénalités de retard.
Le projet est constitué d'un grand nombre d'opérations exécutées en
séquence ou en parallèle, mais qui sont souvent interdépendantes
(antériorités entre elles).
Les ressources humaines et matérielles sont souvent hétérogènes car
elles proviennent d'entreprises ou de services différents.
Un projet a un début et une fin.
La production par Projet
14
Flow shop
3.1 ATELIERS SPÉCIALISÉS: TERMINOLOGIES
19
In A B
Out
P1
P2
P3
D P1 goes: A->B->C->D Out
P4 C
P2 goes: B->C->B->D Out
P3 goes: A->C->D->B Out
P4 goes: A->B->B->C Out
3.1 ATELIERS SPÉCIALISÉS: TERMINOLOGIES
22
Open shop: atelier à cheminements libres dans lesquels les opérations des
tâches à exécuter sur un ensemble de centres de production différents peuvent
l’être dans un ordre quelconque.
J1 M1 M2 M3 OUT
J2 M1 M2 M3 OUT
J3 M3 M2 M1 OUT
J4 M2 M1 M3 OUT
3.1 ATELIERS SPÉCIALISÉS: TERMENOLOGIES
23
Statique Dynamique
- toutes les commandes sont
- se fait une fois par période considérées au fur et à
mesure.
- nouvelle commande = - nécessite techniques +
changement de complexes (file d’attente et
l’ordonnancement simulation)
3.2 MODÈLES STATIQUES D’ORDONNANCEMENT
25
Hypothèses :
o L’ordre technique de passage des tâches sur les centres de
production est intangible.
28
29
A) L’ordonnancement suivant la règle du Temps Opératoire Minimum (TOM)
Supposons que pour la période à venir, 5 tâches, toutes disponibles, soient à
exécuter sur le centre de production A. Le centre de production est réputé
disponible le temps nécessaire.
30
Si l’exécution des 5 tâches nécessite 510 centièmes d’heures quel que soit
l’ordonnancement retenu, l’ordre de passage de ces tâches a des
conséquences sur le moment à partir duquel chaque tâche est terminée.
Notons Aj, le moment à partir duquel la tâche programmée en jème
position est terminée.
A) L’ordonnancement suivant la règle du Temps Opératoire Minimum (règle TOM)
31
A) L’ordonnancement suivant la règle du Temps Opératoire Minimum (règle TOM)
32
B) L’ordonnancement suivant la règle du Temps Opératoire Minimum (TOM) pondéré
33
34
Tj
C) Ordonnancement suivant la règle de la date de livraison minimale
35
Un cas fréquent dans la pratique est celui d’une date maximale souhaitée pour
la fin de l’exécution d’une ou de plusieurs tâches.
Le plus souvent, aucun ordonnancement ne permet de satisfaire
simultanément toutes ces dates de livraison et un arbitrage doit être effectué.
C) Ordonnancement suivant la règle de la date de livraison minimale
36
Calculons les conséquences de l’ordonnancement TOM sur les retards de
livraison, avant de présenter d’autres règles d’ordonnancement.
C) Ordonnancement suivant la règle de la date de livraison minimale
37
38
Elle consiste à programmer les tâches par valeurs croissantes de leurs marges
(di – ti), les tâches ayant la plus faible marge étant supposées offrir le plus grand
risque d’être en retard.
39
Chaque tâche comporte maintenant deux opérations distinctes
effectuées par 2 centres de production différents.
40
41
- Étape 1 : rechercher la tâche i dont le temps d’exécution tij (avec j = A ou B)
est le plus faible possible.
- Étape 2 : si j = A placer cette tâche à la première place disponible en début
de la séquence d’ordonnancement; si j = B placer cette tâche à la dernière
place disponible.
- Étape 3 : supprimer la tâche i des tâches restant à programmer; s’il reste
plus d’une tâche à programmer, revenir en étape 1 ; s’il n’en reste qu’une, sa
position est imposée puisqu’il ne reste plus dans le tableau d’affectation qu’une
seule place à prendre.
A) Cas du même ordre de passage sur les centres de production A et B
42
43
Algorithme de Jackson
B) Cas de la non-unicité de l’ordre de passage sur les centres de production A et B
44
3.2.1.3 Ordonnancement de 2 tâches nécessitant l’intervention de
m centres de production
45
46
On établit un graphique sur les axes duquel le montant cumulé du travail
accompli de chacune des tâches (l’axe vertical pour la tâche l et l’axe horizontal
pour la tâche 2, ou l’inverse) est repéré. On commence par placer sur ces axes
les temps passés sur chaque centre de production, dans l’ordre imposé
techniquement.
Dans cet espace à 2 dimensions, on représente par des rectangles rouges les
incompatibilités liées à la demande simultanée d’un même centre de production
par les 2 tâches à effectuer.
3.2.1.3 Ordonnancement de 2 tâches nécessitant l’intervention de
m centres de production
47
Une programmation réalisable se visualise par une ligne brisée partant de
l’origine 0 des axes, au point 0’ (repérant la fin simultanée des 2 travaux), et ne
comportant que:
- des segments verticaux (seule la tâche 1 est en cours d’exécution),
- des segments horizontaux (seule la tâche 2 est en cours d’exécution)
- et des segments à 45° avec les axes (exécution simultanée des 2 tâches).
3.2.1.4 Ordonnancement de n tâches nécessitant l’intervention de m centres de
production
48
A) Ordonnancement de n tâches nécessitant l’intervention de 3 centres de production
(ordre identique de passage)
Dans certains cas particuliers un problème d’ordonnancement sur 3 centres de
production se ramène à un problème d’ordonnancement sur 2 centres de
production. C’est le cas où le centre de production B, qui, techniquement, doit
intervenir avant le centre de production C et après le centre de production A, est
complètement dominé par l’un ou l’autre de ces 2 centres de production, c’est-à-
dire que le plus grand temps d’exécution tiB est plus faible (ou égal) que le plus
petit temps d’exécution observé sur le centre de production qui le domine.
49
A) Ordonnancement de n tâches nécessitant l’intervention de 3 centres de production
(ordre identique de passage)
50
A) Ordonnancement de n tâches nécessitant l’intervention de 3 centres de production
(ordre identique de passage)
3.2.1.4 Ordonnancement de n tâches nécessitant l’intervention de m centres de
production
A) Ordonnancement de n tâches nécessitant l’intervention de 3 centres de production
(ordre identique de passage)
51
52
Si l’on considère deux tâches i et j programmé l’une après l’autre au plus tôt, il est
évident qu’une fois programmé i de telle sorte que ses opérations s’enchaînent
sans attente, il convient, pour que toutes les opérations de la tâche J s’enchaînent
également sans attente et que cette tâche s’achève au plus tôt.
B-2: Ordonnancement de n tâches nécessitant l’intervention de
m centres de production (ordre identique de passage –sans
attente )
57
B-2: Ordonnancement de n tâches nécessitant l’intervention de
m centres de production (ordre identique de passage –sans
attente )
58
La durée d’exécution totale des tâches dans une programmation au plus tôt sans
attente (43) est la somme des opérations (2 + 3 + 4 = 9) de la dernière tâche (5) et
des décalages successifs de la séquence de tâches antérieurement programmées
({4 + 10} + {3 + 0} + {5 + 3} + {2 + 7} = 34).
- Créer une ville fictive Oméga de destination finale, distante de chaque ville i
mais avec interdiction de partir d’Oméga vers une ville autre qu’Alpha; ceci
correspond à la création d’une tâche fictive ω avec un décalage minimal avec
une tâche i, autre que la tâche α, égal au cumul décalage minimaux par rapport à
i dans les m centres de production :
61
Si deux centres de production seulement sont mobilisés, on démontre que
l’ordonnancement minimisant la durée d’achèvement de l’ensemble des tâches est
obtenu en appliquant la règle LAPT (Longest Alternate Processing Time first)
qui consiste à sélectionner, sur le centre de production libre, l’opération de plus
grande durée sur l’autre centre. Dans l’application de cette règle, les tâches dont
une opération a été réalisée ont la même priorité, la plus faible, et, lorsque ces
dernières sont considérées, elles le sont de manière arbitraire.
3.2.1.5 Ordonnancement de n tâches nécessitant l’intervention de m
centres de production (cheminement libre – open shop)
62
63
64
65
66
67
Avant le goulot, le travail s’effectue sur une machine fictive sur laquelle sont
réalisées toutes les opérations antérieures, pour une durée égale à la somme
des durées.
Après le goulot, le travail s’effectue sur une machine fictive sur laquelle sont
réalisées toutes les opérations postérieures, pour une durée égale à la somme
des durées.
Les tâches qui n’utilisent pas ce centre critique peuvent être fusionnées dans
cet ensemble ou traitées à part, une fois réalisé l’ordonnancement des tâches
utilisant ce goulot d’étranglement;
3.2.1.6 Ordonnancement de n tâches nécessitant l’intervention de m
centres de production (ordre de passage quelconque)
68
69
70
71
Les dates de fin des tâches sur le goulot sont ensuite considérées comme les
dates d’arrivées dans le système-aval; un ordonnancement est alors calculé en
utilisant des règles de priorité. Si certaines machines se retrouvent
simultanément en amont et en aval du goulot (dans notre exemple, c’est le cas
de la machine B, à cause de la tâche 4), il convient de considérer comme non
révisable la programmation décidée en amont du goulot (sauf acceptation d’une
nouvelle itération).
3.2.2 Modèles statiques : cas du coût de lancement total variable avec
l’ordonnancement retenu
72
Nous n’examinerons ici que le cas de n tâches nécessitant l’intervention d’un seul
centre de production (m = 1) et pour lequel l’ordre de passage influe sur les coûts
de lancement. Prenons l’exemple d’une usine de peinture : différentes couleurs de
peinture sont produites en séquence sur le même équipement, lequel doit être
soigneusement nettoyé lorsque l’on change de couleur.
3.2.2 Modèles statiques : cas du coût de lancement total variable avec
l’ordonnancement retenu
73
Le problème posé revient à trouver l’ordre de passage qui minimise le temps total
de nettoyage. On peut, bien sûr, trouver une solution à ce problème en explicitant
toutes les combinaisons possibles au nombre de (n – 1) ! = 3! = 6
Mais cette technique n’est envisageable que si le nombre m de tâches est faible:
pour 6 couleurs seulement, le dénombrement conduit à 120 comparaisons du
résultat de 6 additions.
3.2.2 Modèles statiques : cas du coût de lancement total variable avec
l’ordonnancement retenu
74
Pour résoudre ce problème, une analogie pourrais être faite avec celui du
voyageur de commerce pour lequel un algorithme de résolution efficace a été
trouvé (Algorithme de Little) . Dans ce problème, le voyageur de commerce quitte
une ville de départ et doit visiter au cours d’une tournée, m – 1 villes différentes,
en n’y passant qu’une fois, avant de retourner à la ville de départ, et cherche à
minimiser son coût de transport. Ce coût de transport Cij entre une ville i et une
ville j est de même nature que le coût de lancement de la tâche j lorsque celle-ci
succède à la tâche i.
Sur le plan formel, le problème du voyageur de commerce peut se formuler
sous la forme du programme linéaire suivant, où xij est une variable susceptible
de prendre seulement les valeurs 0 ou 1, la valeur 0 signifiant que le voyageur de
commerce ne part pas de la ville i pour se rendre à la ville j, la valeur l ayant la
signification contraire.
3.2.2 Modèles statiques : cas du coût de lancement total variable avec
l’ordonnancement retenu
75
L’algorithme de résolution d’un programme linéaire en nombres entiers le plus
utilisé pour cette classe de problèmes est sans aucun doute celui connu du
branch and bound
3.2.2 Modèles statiques : cas du coût de lancement total variable avec
l’ordonnancement retenu
76
3.2.2 Modèles statiques : cas du coût de lancement total variable avec
l’ordonnancement retenu
77
3.2.2 Modèles statiques : cas du coût de lancement total variable avec
l’ordonnancement retenu
78
3.2.2 Modèles statiques : cas du coût de lancement total variable avec
l’ordonnancement retenu
79
3.2.2 Modèles statiques : cas du coût de lancement total variable avec
l’ordonnancement retenu
80
3.2.2 Modèles statiques : cas du coût de lancement total variable avec
l’ordonnancement retenu
81
3.2.2 Modèles statiques : cas du coût de lancement total variable avec
l’ordonnancement retenu
82
3.2.2 Modèles statiques : cas du coût de lancement total variable avec
l’ordonnancement retenu
83
3.2.2 Modèles statiques : cas du coût de lancement total variable avec
l’ordonnancement retenu
84
3.2.2 Modèles statiques : cas du coût de lancement total variable avec
l’ordonnancement retenu
85
FIN CHAPITRE 3